heapq.nlargest()和heapq.nsmallest()是获取Top-K值的最优解，时间复杂度O(n log k)，支持key参数定制排序依据，不修改原数据，但需注意类型可比性、None处理及稳定性要求。
直接用 heapq.nlargest 或 heapq.nsmallest，别手写堆逻辑——它们底层用的是最小堆/最大堆优化策略，时间复杂度稳定在 O(n log k)，比全排序的 O(n log n) 快得多，尤其当 k 时优势明显。
为什么不用 sorted() + 切片？
常见误区是先 sorted(data, reverse=True)[:k]。这会把整个数据集拉进内存并完整排序，浪费资源。而 heapq.nlargest(k, data) 内部只维护一个大小为 k 的堆，边遍历边淘汰，空间占用恒定 O(k)，且对生成器、文件流等惰性可迭代对象也友好。
- 如果
data是 1 亿条日志记录，k=10，sorted()可能 OOM；heapq.nlargest通常只占几 MB 内存 -
sorted()在输入为 generator 时会强制转成 list，heapq.nlargest可直接消费 generator - 当
k > n//2时，heapq.nlargest会自动退化为sorted()+ 切片（源码里有判断），所以无需手动优化分支
如何自定义比较逻辑？
heapq.nlargest 和 heapq.nsmallest 都支持 key 参数，和 sorted() 用法一致，但注意：它不会改变原始元素结构，只影响排序依据。
records = [{'name': 'Alice', 'score': 87}, {'name': 'Bob', 'score': 92}]
top2 = heapq.nlargest(2, records, key=lambda x: x['score'])
上面得到的是原字典列表，不是只返回分数；若需提取字段，得额外映射：
提示词大师-python版
下载
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
立即学习“Python免费学习笔记（深入）”；
- 错误写法：
[x['score'] for x in heapq.nlargest(2, records, key=lambda x: x['score'])]—— 多了一层遍历，但可读性尚可 - 更高效但易错：
heapq.nlargest(2, (r['score'] for r in records))—— 这样丢掉了原始 record，只剩分数，慎用 -
key函数不能抛异常，否则整个调用失败；建议提前过滤或用try/except包裹在 key 内部
遇到 TypeError: unorderable types 怎么办？
这是 heapq 对元素类型敏感导致的典型错误，比如混入 None、不同类实例、或不可比较的嵌套结构（如 dict 之间不能直接比大小）。
- 检查
key返回值是否全为可比较类型（int,float,str等），避免返回dict或list - 若原始数据含
None，别用key=lambda x: x.get('val')直接取，改用key=lambda x: x.get('val') or float('-inf')（求 top-k）或float('inf')（求 bottom-k） - 自定义类要实现
__lt__才能进 heap；但更推荐统一用key转为标量，避免重载比较逻辑
真正要注意的是：heapq 不保证相等元素的相对顺序（不稳定），如果业务要求“相同分数时按插入顺序排”，就得自己加索引字段再进堆，或者换用 sorted(..., key=...) —— 这种细节，不测数据很难暴露。
